SOFTWARE PARA EL ANÁLISIS DE DATOS (SAD)

MÁSTER UNIVERSITARIO EN BIOINFORMÁTICA Y BIOESTADÍSTICA

Preliminares

library(tidyverse)
library(reshape2)
library(plotly)
library(kableExtra)
library(ggrepel)
#Cargo ambos datasets. Añadir explicación de qué contienen.
BCG_strain <-
  read_csv("task_2-BCG_strain_per_country-1Nov2020.csv")

COVID_noformat <-
  read_csv(
    "task_2-COVID-19-death_cases_per_country_after_fifth_death-till_22_September_2020.csv"
  )
#Limpiar datos de BCG

#Elimino columnas que sean sólo NA
BCG_strain <- BCG_strain[,apply(!is.na(BCG_strain),2, all)]


#De momento, no me interesa qué vacunas se ponían cada año, sino si se ponían o no.

#Transformo los valores de cada año en
#0 - No se ponía vacuna, hasta ahora None
#1 - Sí se ponía vacuna
#NA - Este dato es desconocido, hasta ahora Unknown

BCG_strain_no_strain <- BCG_strain

#Transformo los valores de las columnas
BCG_strain_no_strain[,-1] <- sapply(BCG_strain_no_strain[,-1], function(x){
  a <- gsub("None", 0, x) %>% gsub("Unknown", NA, .) #Añado los 0 y los NA.
  for (i in 1:length(a)){ #Serán 1 aquellos que no sean ni 0 ni NA
    if (a[i] != "0" && !is.na(a[i])){
      a[i] <- 1
    }
  }
  return(as.integer(a)) #Cambio las columnas a integer
  })

#Limpiar datos de COVID

#Elimino columnas que sean sólo NA
COVID_noNA <- COVID_noformat[,apply(!is.na(COVID_noformat),2, all)]

#En este caso, para variar, los valores vacíos están denotados como NULL,
#cambio esto a NA
COVID_Na <- sapply(COVID_noNA, function(x)gsub("NULL", NA, x))

#El resulatado de la función anterior es una string. Lo convierto a dataframe.
COVID_Na_df <- as.data.frame(COVID_Na)

#Modifico las fechas para que se almacenen como Date 
COVID_Na_df[,c("date_fifth_death")] <- as.Date(COVID_Na_df[,c( "date_fifth_death")], "%d/%m/%y")

COVID_Na_df[,c("date_first_death")] <- as.Date(COVID_Na_df[,c( "date_first_death")], "%d/%m/%y")

#Modifico las muertes para que se almacenen como floats.              
COVID_Na_df[,-c(1,2,3,4)] <- sapply(COVID_Na_df[,-c(1,2,3,4)], as.numeric)


#Finalmente, junto ambos dataframes en uno sólo.
COVID_BGC <- left_join(BCG_strain_no_strain, COVID_Na_df, by = "country_name")

#Reduzco los colnames, son my largos

colnames(COVID_BGC) <- gsub("mandatory_bcg_strain_", "strain", colnames(COVID_BGC)) %>%
  gsub("deaths_per_million", "dpm", .)%>%
  gsub("days_after_fifth_death", "d", .)%>%
  gsub("stringency_index", "si", .)
opts <- options(knitr.kable.NA = "")
for (i in seq(1,61, by = 10)){
  print(kable(head(COVID_BGC[,c(1,(i+1):(i+10))]), digits = 2, 
      caption = "Tabla 1. Vacunación de BCG por países y muertes por COVID-19",
      format = "simple"))
}
Tabla 1. Vacunación de BCG por países y muertes por COVID-19
country_name strain2015-2020 strain2010-2015 strain2005-2010 strain2000-2005 strain1990-2000 strain1980-1990 strain1970-1980 strain1960-1970 strain1950-1960 alpha_3_code
Afghanistan 1 1 1 1 1 1 0 0 0 AFG
Albania 0 0 ALB
Algeria 1 0 0 DZA
Angola 1 1 1 1 1 1 0 0 0 AGO
Argentina 0 0 1 1 1 0 0 0 0 ARG
Armenia 1 1 1 1 0 0 0 0 0 ARM
Tabla 1. Vacunación de BCG por países y muertes por COVID-19
country_name date_first_death date_fifth_death dpm_10_d dpm_15_d dpm_20_d dpm_25_d dpm_30_d dpm_35_d dpm_40_d dpm_45_d
Afghanistan 2020-03-24 2020-04-05 0.59 0.85 1.10 1.54 2.31 2.95 3.49 4.57
Albania 2020-03-12 2020-03-25 5.91 7.64 7.99 9.04 9.38 10.43 10.77 10.77
Algeria 2020-03-13 2020-03-18 0.59 1.32 3.94 6.27 7.94 8.94 9.69 10.33
Angola 2020-03-30 2020-06-12 0.27 0.30 0.46 0.58 0.76 0.85 0.88 1.22
Argentina 2020-03-08 2020-03-25 0.82 1.44 2.17 2.92 3.65 4.58 5.44 6.48
Armenia 2020-03-27 2020-04-03 4.72 6.75 8.10 10.12 11.81 14.51 16.20 20.59
Tabla 1. Vacunación de BCG por países y muertes por COVID-19
country_name dpm_50_d dpm_55_d dpm_60_d dpm_65_d dpm_70_d dpm_75_d dpm_80_d dpm_85_d dpm_90_d dpm_95_d
Afghanistan 5.60 6.32 7.55 9.48 11.59 14.03 15.88 18.52 21.04 24.07
Albania 10.77 10.77 10.77 11.47 11.47 11.81 12.51 13.20 15.29 18.42
Algeria 10.86 11.56 12.36 13.11 14.07 14.89 15.73 16.69 17.72 19.09
Angola 1.55 1.79 2.28 2.62 2.80 3.10 3.26 3.44 3.77 4.08
Argentina 7.28 8.45 9.85 11.24 12.59 14.69 17.37 20.20 23.08 26.71
Armenia 25.98 38.13 53.32 67.49 87.07 101.92 121.49 141.74 154.90 169.75
Tabla 1. Vacunación de BCG por países y muertes por COVID-19
country_name dpm_100_d dpm_105_d dpm_110_d dpm_115_d dpm_120_d dpm_125_d dpm_130_d dpm_135_d dpm_140_d dpm_145_d
Afghanistan 26.00 29.90 31.11 32.65 32.98 33.58 34.78 35.32 35.63 35.99
Albania 23.98 28.15 32.32 37.18 41.70 50.04 55.95 65.33 71.24 79.23
Algeria 20.02 20.80 21.71 22.71 23.72 24.79 26.13 27.36 28.46 29.69
Angola 4.38
Argentina 30.64 35.45 40.23 47.20 55.45 65.40 78.72 91.49 105.87 125.17
Armenia 190.67 209.23 228.80 239.94 252.76 259.85 268.62 275.71 282.12 289.55
Tabla 1. Vacunación de BCG por países y muertes por COVID-19
country_name dpm_150_d si_10_d si_15_d si_20_d si_25_d si_30_d si_35_d si_40_d si_45_d si_50_d
Afghanistan 36.12 84.26 84.26 84.26 84.26 84.26 84.26 84.26 84.26 84.26
Albania 83.40 84.26 84.26 84.26 89.81 89.81 89.81 89.81 89.81 89.81
Algeria 30.81 75.00 86.57 86.57 86.57 92.13 92.13 76.85 76.85 76.85
Angola 75.93 75.93 75.93 75.93 76.39 76.39 76.39 76.39 79.17
Argentina 145.30 100.00 100.00 100.00 100.00 100.00 88.89 88.89 88.89 90.74
Armenia 295.96
Tabla 1. Vacunación de BCG por países y muertes por COVID-19
country_name si_55_d si_60_d si_65_d si_70_d si_75_d si_80_d si_85_d si_90_d si_95_d si_100_d
Afghanistan 84.26 84.26 78.70 78.70 78.70 78.70 78.70 78.70 78.70 78.70
Albania 83.33 83.33 86.11 67.59 67.59 67.59 67.59 64.81 64.81 64.81
Algeria 87.96 76.85 76.85 76.85 76.85 76.85 76.85 65.74 65.74 65.74
Angola 79.17 79.17 79.17 76.39 76.39 76.39 81.02 81.02 81.02
Argentina 90.74 90.74 90.74 90.74 88.89 88.89 88.89 88.89 88.89 92.59
Armenia
Tabla 1. Vacunación de BCG por países y muertes por COVID-19
country_name si_105_d si_110_d si_115_d si_120_d si_125_d si_130_d si_135_d si_140_d si_145_d si_150_d
Afghanistan 78.70 78.70 78.70 78.70 71.30 71.30 48.15 48.15 21.30 21.30
Albania 59.26 59.26 59.26 59.26 59.26 59.26 53.70 53.70 53.70 53.70
Algeria 65.74 65.74 74.07 74.07 74.07 74.07 79.63 79.63 85.19 68.52
Angola
Argentina 92.59 92.59 92.59 90.74 90.74 90.74 87.96 87.96 91.67 91.67
Armenia 
cormat <- cor(COVID_BGC %>% select(-c("country_name", "alpha_3_code", "date_first_death", "date_fifth_death", 43:71)) %>% na.omit())
cormat2 <- cormat
cormat2[upper.tri(cormat2)] <- NA #Para visualizar solamente una vez las correlaciones
cormat2 <- melt(round(cormat2, 2)) #Formato para poder usar ggplot
ggplot(cormat2, aes(x=Var1, y=Var2, fill=value)) + geom_tile()+scale_fill_continuous(type = "viridis")

fig <- plot_ly(x = colnames(cormat), y = colnames(cormat), z = cormat, type = "heatmap")

fig
ggplot(COVID_BGC, aes(x = dpm_50_d, y=`strain2005-2010`, label = country_name))+
  geom_jitter(position = position_jitter(seed = 1))+
  geom_label_repel(size = 2,position = position_jitter(seed = 1))+
  xlim(c(-100,800))